es

Vista previa del material en texto

169
Rev. Salud Pública. 22(2): 169-177, 2020
SARS-CoV.2/COVID-19 en Colombia: 
tendencias, predicciones y tensiones 
sobre el sistema sanitario
SARS-CoV.2/COVID-19 in Colombia: tendencies, predictions, 
and tensions about health system
Jennifer P. Correa-Cuadros, Manuel A. Muñoz-Rodríguez 
Recibido 24 abril 2020 / Enviado para modificación 27 abril 2020 / Aceptado 30 abril 2020
RESUMEN 
Objetivo Analizar la evolución temporal de la primera etapa del COVID-19 en Colom-
bia a través del modelo SIRD. 
Métodos Se analizó la evolución temporal del COVID-19 según los individuos infec-
tados en Colombia del 6 de marzo al 15 de abril de 2020. Se realizó el modelo SIRD 
modificando la tasa de transmisión (b) bajo tres escenarios: a. Cuarentena hasta el 1 
de julio, b. Cuarentena flexible1 hasta el 11 de mayo con un b del 4%, y c. Cuarentena 
flexible2 hasta el 11 de mayo con b del 8%, con el fin de predecir el número de casos 
totales y el 5% de infectados en UCI para contrastarlo con el número de camas y per-
sonal UCI. 
Resultados Los escenarios mostraron que levantar la cuarentena el 11 de mayo signi-
ficará un aumento en el número de infectados, entre 54 105 a 116 081 individuos con 
COVID-19. Así mismo, la rápida aceleración en la tasa de contagios se traduce en una 
mayor demanda de camas y personal en UCI: en el escenario de cuarentena flexible2 
se colapsarían las 2 650 camas disponibles y se necesitaría de cinco intensivitas y 
cuatro enfermeras por paciente al 1 julio. 
Conclusión Las medidas de distanciamiento social obligatorias contribuyen al retraso 
de la saturación del sistema de salud; sin embargo, son difíciles de sostener en el 
tiempo desde una perspectiva económica. Por lo tanto, para tener una distensión de 
la cuarentena es necesario adoptar medidas para ampliar la capacidad del sistema de 
salud y así evitar su colapso.
Palabras Clave: COVID-19; pandemia; dinámica poblacional; cuarentena; transmi-
sión; epidemiología (fuente: DeCS, BIREME).
ABSTRACT
Objective To analyze the temporal progress in the early stage of COVID-19 in Colom-
bia using the SIRD model.
Methods We analyzed the temporal progress of COVID-19 based on the number of 
infected persons between March 6th and April 15th, 2020. The SIRD model was imple-
mented with variation in the rate of transmission (b) in three ways: a. Quarantine until 
July 11, b. Flexible quarantine1 [b=4%], c. Flexible quarantine2 [b=8%]. Consecutively, 
we aimed to predict the number of total cases and 5% of infected persons in ICU to 
match them with the hospital beds and ICU staff.
Results The results show that the number of COVID-19 cases will increase from 54 105 
to 116 081 approximately, if the quarantine is lifted on May 11. If the infection rate increase, 
more hospital beds and a bigger ICU staff will be mandatory. The currently 2 650 beds 
won’t be enough in the flexible quarantine2, and five intensive care specialist and four 
nurses per patient will be needed.
Conclusion Measures like mandatory social distancing help delay the saturation of 
DOI: https://doi.org/10.15446/rsap.V22n2.86614
Artículo / Investigación 
Article / Research
JC: Bióloga. M. Sc. Ciencias Biológicas Mención 
Biotecnología. M. Sc. Ciencias Biológicas Men-
ción Ecología. Ph. D. (c). Pontificia Universidad 
Católica de Chile. Facultad de Ciencias Biológi-
cas, Departamento Ecología, Santiago de Chile; 
Center of Applied Ecology and Sustainability 
(CAPES), Santiago de Chile. Chile. 
jpcorrea4@uc.cl
MM: Biólogo. M. Sc. Biodiversidad Mención Zoo-
logía. M. Sc. Ciencias Biológicas Mención Ecolo-
gía. Ph. D (c). Pontificia Universidad Católica de 
Chile, Facultad de Ciencias Biológicas. Depar-
tamento de Ecología. Santiago de Chile; Center 
of Applied Ecology and Sustainability (CAPES), 
Santiago de Chile. Chile. mamunoz19@uc.cl
REVISTA DE SALUD PÚBLICA · VoLUmEn 22(2), ABRIL - 2020
170
the health care system. However, it’s impracticable to maintain them due to a possible economic crisis. Therefore, it’s 
necessary to take action to enhance the ability of the health care system to avoid a collapse.
Key Words: COVID-19; pandemic; population dynamics; quarantine; transmission; epidemiology (source: MeSH, NLM).
El estado de pandemia a partir de la rápida propaga-ción del COVID-19 constituye una de las principa-les amenazas que enfrentan los sistemas sanitarios 
a escala mundial durante las últimas décadas. Esta enfer-
medad, que puede presentar síntomas de una neumonía 
atípica severa (1) es causada por un nuevo agente infec-
cioso denominado SARS-COV-2, que, si bien pertenece a 
la familia de los coronavirus como MERS-COV y SARS-
COV (2), presenta mayores niveles de infectividad (3-5). 
La COVID-19, desde su descubrimiento en Wuhan (6) se 
ha extendido a más de 190 países (7) y ha alcanzado tasas 
de propagación exponenciales (1,8-10). Esta situación ha 
generado un incremento en la tensión sobre la capacidad 
de los sistemas sanitarios, hecho que puede conducir a un 
aumento de la tasa de mortalidad por el eventual colapso 
de las unidades de cuidado intensivo (UCI) o por una sa-
turación del personal de salud (8,11-14).
La evidencia disponible indica que, del total de conta-
giados, un 5% va a necesitar ventilación artificial en UCI 
(15-17), cifra que pone en evidencia cómo el número de 
camas y respiradores artificiales convierte en un cuello de 
botella la capacidad de atención, hecho que aumenta la 
letalidad de pacientes como consecuencia de la saturación 
del sistema sanitario (8,11-14). A su vez, a medida que 
aumenta la razón paciente:personal especializado en UCI 
se puede incrementar la probabilidad de ocurrencia de in-
fecciones nosocomiales y paros respiratorios, entre otros, 
que elevan los costos y la incidencia de la mortalidad (18-
21). En este sentido resulta imperioso que Colombia, 
generalmente con menor capacidad sanitaria que otros 
países (22), adopte medidas rápidas con el propósito de 
disminuir el contagio y fortalecer la capacidad de atención 
de los sistemas de salud para evitar el desborde ante el 
avance de la enfermedad. 
En Colombia las autoridades han ido adoptando polí-
ticas con el fin de aumentar la capacidad instalada. Para 
el mes de marzo el sistema sanitario contaba con 5 300 
UCI, de las cuales cerca de un 80% se encontraban en uso 
(23,24). Sin embargo, el Ministerio de Salud y Protección 
Social anunció a comienzos de abril la compra de 1 510 
ventiladores, con los que se amplió la capacidad instalada 
a 2 570 (25). Al mismo tiempo, se anunció un plan con-
tingente que permitirá orientar recursos con el objetivo de 
incrementar la capacidad de atención de pacientes críticos 
en fases sucesivas, con el que se podría aumentar la dispo-
nibilidad a 5 150 ventiladores (fase II), a 7 650 (fase III) 
y hasta un máximo de 9 826 (fase IV) (26). En cuanto a 
la disponibilidad de personal especializado, el país cuenta 
con aproximadamente 1 200 médicos intensivistas y 706 
terapeutas respiratorios (TR) y fisioterapeutas (FT), se-
gún la Asociación Colombiana de Medicina Crítica (24). 
Finalmente, se han implementado estrategias de distan-
ciamiento social como lo fue el cierre de fronteras, univer-
sidades y colegios (27). Al mismo tiempo, a partir del 25 
de marzo se decretó confinamiento preventivo por 19 días 
(hasta el 13 de abril) a nivel nacional (28) y se renovó has-
ta el 11 de mayo (29). En Bogotá la cuarentena comenzó 
desde el 20 de marzo.
El objetivo de este artículo es analizar la evolución tem-
poral de la primera etapa del COVID-19 en Colombia a tra-
vés del modelo SIRD, modificando la tasa de transmisión 
bajo diferentes escenarios para predecir el número de casos 
totales, qué cifra representaría el 5% de infectados en UCI, 
y estimar la demanda de servicios en UCI, con el fin de eva-
luar la efectividad de las políticas implementadas por las au-
toridades sanitarias y evitar el colapso del sistema de salud. 
MATERIALES Y MÉTODOS
Datos epidemiológicos
Se utilizó como muestra el número decasos positivos 
con COVID-19 entre el 6 de marzo y el 15 de abril 2020 
a nivel nacional. La muestra estuvo representada por 3 
105 individuos infectados, de quienes se obtuvo la infor-
mación correspondiente al sexo, edad, ciudad, fecha de 
diagnosis, departamento de residencia, tipo de transmi-
sión y estado del paciente. 
Para efectos de la modelación se consideró que el nú-
mero de casos positivos corresponde al total de infectados 
existentes en la población o que, en su efecto, la diferencia 
entre ambos permanece constante en el tiempo (30). Adi-
cionalmente, el 26 de marzo del 2020 el Instituto Nacional 
de Salud presentó problemas con el equipo de extracción 
de ADN, razón por la cual a partir de esa fecha se realizaron 
algunas muestras de forma manual, lo que subrepresenta 
el número de contagiados a partir de esa fecha. 
Modelo SIRD 
Se utilizó el modelo epidemiológico SIRD (30) en tiempo 
discreto para evaluar la población de individuos suscepti-
CORREA - TENSIONES SOBRE EL SISTEMA SANITARIO POR SARS-COV.2/COVID-19 EN COLOMBIA
171
bles (S), infectados (I), resistentes (R) y fallecidos (D) en 
la población. Se considero que la población total (N) sería 
la suma de S + I + R + D. Para los ajustes y proyecciones 
del modelo se empleó el programa R (31).
S (t+1) = S - bSI/N
I (t+1) = I+ bSI/N - gI - dI
R (t+1) = R + gI
D (t+1) = D + dI
Para la realización del modelo fue necesario ajustar los 
valores de los parámetros b, g y d que representan la tasa 
de transmisión entre I y S, la tasa de recuperación de I 
y la tasa de mortalidad de I, respectivamente. Para ajus-
tar la tasa de recuperación y muerte, se calculó la tasa de 
cambio diaria, para luego calcular el promedio general y 
dividirlo entre el número total de casos (Tabla 1). 
Tabla 1. Parámetros utilizados en modelos SIRD
Parámetros Valores Significado
Beta1 0.6 Tasa de transmisión sin cuarentena
Beta2 0.02 Tasa de transmisión con cuarentena
Beta3 0.04 Tasa de transmisión cuarentena flexible1
Beta3.1 0.08
Tasa de transmisión con cuarentena 
flexible2
Gamma 0.002 Tasa de recuperados
Delta 0.001 Tasa de fallecidos
El parámetro de tasa de transmisión (b) se modeló 
en función del tiempo siguiendo una caída logarítmica a 
partir de un parámetro inicial, representando con ello el 
potencial efecto de las medidas de distanciamiento adop-
tadas por el gobierno (Figura 1A). Una vez ajustada la 
curva se proyectaron los valores del modelo SIRD para 
tres escenarios: cuarentena (20/25 marzo al 1 de junio), 
cuarentena flexible1 y flexible2 (entre 20 y 25 marzo al 11 
mayo), donde la primera tiene un b de 4% y la segunda de 
Figura 1. Dinámica de la tasa de transmisión
Tasa de transmisión. A. Ajuste de la tasa de transmisión entre el período observado (6 marzo al 15 abril). B. Tasa de transmisión para los escenarios a. cuarentena 
del 20-25 marzo al 1 julio con un b 2%, b. cuarentena flexible1 del 20-25 marzo al 11 mayo con un b 4%, y c. cuarentena flexible2 del 20-25 marzo al 11 mayo con 
un b 8%.
REVISTA DE SALUD PÚBLICA · VoLUmEn 22(2), ABRIL - 2020
172
8% (Figura 1B). Para esto se utilizaron dos ecuaciones, la 
a. para el escenario de cuarentena y la b. para los escena-
rios cuarentena flexible1 y flexible2.
b = b2 + (b0-b2) * (1 – 1 / (1 + exp (-theta * (t-bt)))) (a)
b = b2 + (b0-b2 ) * (1-1 / (1 + exp(-theta * (t - bt)))) + (b3 
+ (b2 - b3)*(1 -1/(1 + exp (-theta * (t - bt)))) (b)
Donde b0 (63%) es el nivel inicial del coeficiente de 
transmisión, b2 (2%) es la tasa de transmisión en el es-
cenario cuarentena, y b3 tiene dos valores: 4% para el 
escenario cuarentena flexible1 y 8% para cuarentena flexi-
ble2, theta regula la inclinación de la curva cuando existe 
alguna medida de mitigación donde se disminuye la tasa 
de transmisión, y t-b es el tiempo de intervención, i.e. el 
inicio de cuarentena y/o su flexibilización. 
Para establecer si el modelo ajustó correctamente a los 
datos observados, se realizó un coeficiente de predicción 
(pseudoR2) según los valores de cada ecuación del mode-
lo. Adicionalmente, con las estimaciones de las ecuacio-
nes se simularon las trayectorias del total de los casos con 
COVID-19 para predecir los casos hasta el 1 de junio. Esta 
simulación recalculó los casos diarios de acuerdo con los da-
tos de días anteriores y con los parámetros del modelo (32). 
Se calculó el 5% de los individuos infectados (restan-
do el número de individuos recuperados y muertos por 
día) con base en las predicciones arrojadas por el modelo, 
con el fin de analizar si la capacidad instalada de camas y 
personal de salud especializado (intensivistas y personal 
de enfermería) son suficientes para la población infectada 
en UCI. Para esto se usaron dos estimadores de camas en 
UCI, cada uno correspondiente a los valores límites de la 
fase I y III del plan contingente anunciado por el Ministe-
rio de Salud (26): 2 650 y 7 560 camas (15,19,20), y 1 200 
intensivistas (24) y 1 424 personal de enfermería especia-
lizado en UCI. Para el personal de enfermería utilizamos 
el valor máximo de suficiencia (según la capacidad insta-
lada) estimado por Pérez y Rodríguez (18). Finalmente, 
el 5% de individuos infectados se dividió entre el número 
de camas (2 650, 7 560) y el personal disponible en UCI 
(1 200 intensivistas y 1 424 enfermeras).
RESULTADOS
En Colombia hubo un total de 3 105 casos de individuos 
con COVID-19 entre el 6 de marzo y el 15 de abril. Hasta 
el momento, 153 de las 1 118 ciudades que hay en Colom-
bia presentan casos; la prevalencia se encuentra en Bogo-
tá, con el 41%; Cali, con 14%, y Medellín con el 6%. Así 
mismo, se cuenta con un total de 29 departamentos de 32 
con individuos infectados, en donde Bogotá tiene la ma-
yoría de los casos seguida por Valle del Cauca, Antioquia, 
Cartagena y Cundinamarca (Figura 2).
Los resultados mostraron que el 67% de los infectados se 
encuentran en casa, el 11% en el hospital, el 3% en unida-
Figura 2. Número de casos infectados con COVID-19 por departamentos. La escala de colores 
(0 a 400) muestra el número de casos por departamento del 6 de marzo al 15 abril de 2020
CORREA - TENSIONES SOBRE EL SISTEMA SANITARIO POR SARS-COV.2/COVID-19 EN COLOMBIA
173
des de cuidados intensivos, 14% recuperados y 4% muertos, 
donde los mayores de 60 años son el 69% de los fallecidos en 
todo el país. La mayoría de los adultos mayores infectados 
se encuentran en Bogotá sin necesidad de acudir al servicio 
médico, ya que el 46% se encuentran en casa; el 21%, en el 
hospital; el 8%, en UCI; 10% recuperados, y 14%, fallecidos.
La tasa de cambio entre los nuevos casos sobre el total 
evidenció una disminución en la tasa de transmisión (b) 
a lo largo del tiempo, lo que muestra la efectividad de las 
medidas implementadas por el Gobierno. Se observó que 
en los primeros días (6 al 15 marzo) la tasa de cambio 
tuvo una gran amplitud, posiblemente debido a la falta de 
detección de los casos. Pero desde el 16 de marzo el re-
porte de la dinámica mejoró hasta el 24 de marzo, cuando 
disminuyó y se estabilizó (Figura 3A). Así mismo, al com-
parar los valores predichos por el modelo SIRD con los 
valores reportados, se obtuvieron pseudoR2 de 98% para 
los casos totales e infectados (restando recuperados y fa-
llecidos). Estos resultados evidencian que los parámetros 
del modelo se ajustaron de forma precisa con los valores 
observados, y con esta certeza se realizaron las proyeccio-
nes hasta el 1 de junio (Figura 3B). 
Se evidenció una clara diferencia entre los escenarios, 
donde la cuarentena (20-25 marzo al 1 junio, b 2%) mos-
tró los menores valores con 5 589 casos totales para el 11 
de mayo y 8 239, para el 1 junio. A diferencia de los esce-
narios cuarentena flexible1 y cuarentena flexible2, cuando 
se liberaría la cuarentena, el 11 de mayo, de acuerdo con 
el último comunicado de presidencia. En estos escenarios 
se evaluaron dos tipos de tasas de transmisión (b): 4% y 
8% para analizar una tasa de contagio baja y una más re-
alista, respectivamente.Este último escenario contempla 
la apertura de sectores como manufactura, construcción y 
comercial, lo que permite una mayor movilidad de indivi-
duos. Siendo así, la cuarentena flexible1 obtendría 18 807 
casos totales para el 11 de mayo y 54 105 para el 1 julio, 
y la cuarentena flexible2, 22 868 para el 11 de mayo y 116 
081 para el 1 de junio (Figura 4A). 
Se estimó el 5% de los individuos infectados para es-
tablecer los posibles pacientes en UCI, considerando dos 
capacidades de camas: 2 650 (fase I) y 7 569 (fase III). Los 
resultados establecieron que, para el escenario de cuaren-
tena, la capacidad de camas (2 650) no llegaría a su tope, 
ya que para el 11 de mayo y 1 junio se tiene una relación de 
Figura 3. Dinámica de la tasa de cambio per cápita diario y ajuste de modelo SIRD
A. Tasa per cápita de cambio (casos nuevos/totales). Las flechas representan los días donde se instauró la cuarentena: 20 marzo para Bogotá y 
25 marzo para el resto del país. B. Ajuste matemático del modelo SIRD con casos totales acumulados e infectados y sus respectivas predicciones.
REVISTA DE SALUD PÚBLICA · VoLUmEn 22(2), ABRIL - 2020
174
infectados:camas de 0,1. Para la cuarentena flexible1 la ca-
pacidad de camas no es superada al 11 de mayo (0.3), pero 
estaría muy cerca de saturarse para el 1 de junio (90%). 
Finalmente, en el escenario de cuarentena flexible2, el nú-
mero de camas colapsaría el 1 de junio (210%) (Figura 4B). 
Cabe destacar que el colapso de las 7560 camas no se con-
sigue en los escenarios cuarentena y cuarentena flexible1 
(valores entre 0,03 y 0,3), mientras que la cuarentena flexi-
ble2 mostró que para 1 junio se alcanzaría un 72% de camas 
utilizadas (Figura 4C). 
Finalmente, al evaluar una posible saturación del 
personal de salud especializado en UCI, el escenario de 
cuarentena mostró valores de un intensivistas por cada 
paciente y una enfermera por paciente en UCI. El es-
cenario cuarentena flexible1 tuvo valores de 1:2,1 para 
intensivistas y de 1:1,7 para personal de enfermería. El 
último escenario de cuarentena flexible2 obtuvo valores 
entre 1:4,5 intensivista:paciente y 1:3,8 para enfermeras 
en UCI (Figura 4C y D). 
DISCUSIÓN
En Colombia las autoridades han aplicado un modelo 
mixto donde se combinan medidas de mitigación con 
políticas de supresión (27-29, 33-35). De acuerdo con la 
dinámica observada en nuestros resultados y comparan-
do con algunos estudios previos, existen fuertes indicios 
para manifestar que la estrategia seguida por las autori-
dades está teniendo resultados positivos, pues logró una 
disminución sustancial de la tasa de transmisión. El com-
portamiento actual de la epidemia en Colombia, a nivel 
macro, no se ajusta a las proyecciones basadas en escena-
rios catastróficos (27,34,36,37). González-Jaramillo y co-
laboradores (2020) proyectaron en un escenario sin medi-
Figura 4. Predicciones del modelo SIRD para los 3 escenarios
A. Predicciones del modelo SIRD con casos totales de COVID-19 al 1 junio bajo tres escenarios: a. Cuarentena del 20-25 marzo al 1 junio con un b 2%, b. Cuarentena flexible1 del 
20-25 marzo al 11 mayo con un b 4%, y c. Cuarentena flexible2 del 20-25 marzo al 11 mayo con un b 8%. B. y C. Predicciones del modelo SIRD con 5% infectados de COVID-19 en 
UCI sobre la disponibilidad de camas (2650 y 7560) bajo los tres escenarios. La línea horizontal punteada evidencia cuando se llega al colapso de las camas. D. y E. Predicciones 
del modelo SIRD con 5% infectados de COVID-19 en UCI sobre la disponibilidad del personal en UCI (1200 intensivistas y 1424 enfermeras) bajo los tres escenarios.
 
CORREA - TENSIONES SOBRE EL SISTEMA SANITARIO POR SARS-COV.2/COVID-19 EN COLOMBIA
175
das de distanciamiento social, el colapso total del sistema 
sanitario a mediados del mes de abril, ya que para la fecha 
existirían según sus proyecciones alrededor de 500 mil in-
fectados; esto significa que se requiere un aproximado de 
36 782 camas UCI (34). Un resultado similar fue reporta-
do por Amariles y colaboradores (2020) quienes bajo los 
mismos supuestos proyectaron para comienzos del mes 
de abril alrededor de 40 535 infectados (36) (alrededor 
de 2 000 camas UCI). Al mismo tiempo, De Castro (37) 
usó un modelo SIR y, estimando parámetros a partir de la 
experiencia de Corea del Sur, predijo, en un escenario sin 
medidas de control, que la epidemia alcanzaría 44 millo-
nes de infectados para comienzos del mes de mayo. A su 
vez, Manrique-Abril et ál. (27), ajustando un modelo SIR 
entre el 6/3 y el 20/3 (cuarentena en Bogotá), obtuvieron 
un Ro cercano a 1,5, valor con el que predijeron alrede-
dor de 696 000 casos positivos para mediados de abril y 
20 300 000 para comienzos de mayo.
El fuerte contraste entre las anteriores predicciones y 
la dinámica de la enfermedad en Colombia es, en gran 
medida, consecuencia de la tendencia seguida por la va-
riación de la tasa de contagio per cápita la cual en nuestros 
resultados evidenció una importante caída a partir del 24 
de marzo. El comportamiento de esta variable parece su-
gerir que las medidas de contención han tenido un fuer-
te impacto en la ralentización de la epidemia, esto como 
consecuencia del efecto sobre el parámetro b. En efecto, 
los valores de los casos totales, infectados y nuevos casos 
predichos a partir de nuestro modelo SIRD, donde b cae 
siguiendo una ecuación logística, producto de la imple-
mentación de políticas de cuarentena, se ajustan de ma-
nera efectiva a la dinámica de la epidemia observada en 
Colombia. En este sentido, y según lo predicho por el mo-
delo, se observa un decrecimiento paulatino de la tasa per 
cápita de contagio, que varía entre un 56% a comienzos 
de marzo y alcanza un 4% a mediados del mes de abril. 
Esta disminución de b podría explicar en gran medida las 
diferencias observadas entre aquellos escenarios que pro-
yectaban un colapso del sistema sanitario para mediados 
de abril y la actual disponibilidad de atención en UCI. 
A pesar del efecto que han tenido las medidas de dis-
tanciamiento en el ritmo de propagación, las autoridades 
habían anunciado la intención de flexibilizar el estado de 
cuarentena a partir de mediados de mayo. Esta medida era 
razonable, dado que la estrategia de supresión extrema es 
difícil de sostener durante largos períodos de tiempo para 
economías de ingresos medios o bajos, sobre todo ante un 
escenario de caída del precio de los productos primarios 
y una eventual recesión mundial (33,34). Es importante 
señalar que un escenario de flexibilización implica el ries-
go de que si no se cuenta con una estrategia eficiente de 
detección y aislamiento de los casos positivos (y personas 
relacionadas), el número de infectados puede aumentar a 
gran velocidad haciendo inmanejable la situación para los 
sistemas de salud (18,20,33). Estableciendo esta proble-
mática, se modeló una dinámica SIRD prediciendo valores 
hasta el 1 junio bajo tres escenarios: “cuarentena”, que re-
presenta una eventual prorrogación en las medidas de dis-
tanciamiento social estrictas (caída continua de la tasa de 
transmisión hasta alcanzar un valor de 2%), y dos escena-
rios de “cuarentena flexible”, que representan la decisión 
de distender las actuales restricciones para dar paso a un 
contexto de distanciamiento social dinámico o “inteligen-
te”. En el caso de “flexible1” se simuló un contexto en don-
de, si bien hay un crecimiento de la tasa de transmisión a 
partir del 11 de mayo (liberación de cuarentena), la misma 
se presenta a un ritmo moderado (b3=4%) siendo este es-
cenario análogo a un contexto en donde la capacidad de 
detección y aislamiento de los casos positivos se da de ma-
nera eficiente. En lo que respecta al escenario “flexible2”, 
se simuló una situación donde la tasa de contagio crece a 
un ritmo más acelerado (b3=8%) como consecuencia de un 
eventual fallo en las capacidades de detección temprana de 
casos positivos y en un aislamiento tardío y menos eficaz 
de las personas contagiadas. 
Los resultadosmuestran cómo en un escenario de “cua-
rentena” (dado el bajo ritmo de propagación en términos 
macro y sin considerar las dinámicas locales), el servicio de 
atención estaría garantizado. Si bien este representa un es-
cenario ideal desde la perspectiva de la atención médica, es 
un contexto improbable dado el alto costo económico que 
implica sostener estas medidas durante largo tiempo (33). 
Por lo tanto, es probable que la dinámica de la epidemia 
esperada en Colombia a partir del 11 de mayo sea simi-
lar a los escenarios de “cuarentena flexible”. En este sen-
tido, observamos que, según nuestras estimaciones, para 
comienzos de junio el sistema sanitario podría empezar a 
experimentar tensión, ya que para el escenario “flexible1” 
se esperaría un aproximado de 2 700 pacientes con reque-
rimientos UCI, demanda que estaría cerca de sobrepasar la 
capacidad de camas instaladas en la fase I (26). 
Al mismo tiempo, la razón intensivista:paciente es de 
1:2, lejos de la razón reportada como ideal (1:8 o 1:10). 
En el caso del servicio de enfermería, este radio alcanza-
ría un valor cercano a 1:1,7 aproximándose al 50% de la 
relación ideal (1:3) (18,24). Este panorama de tensión 
se hace más evidente en el caso de las proyecciones rea-
lizadas en el escenario “flexible2”, en donde la demanda 
de camas UCI para comienzos de junio alcanza valores 
cercanos a 5804 pacientes, rebasando completamente la 
capacidad instalada de la fase II del plan contingente del 
Gobierno, alcanzando una ocupación cercana del 72% 
REVISTA DE SALUD PÚBLICA · VoLUmEn 22(2), ABRIL - 2020
176
del límite de la fase III (26). Al mismo tiempo, la razón 
personal de enfermería: paciente sobrepasa el valor crí-
tico, siendo esta de 1:3,8, mientras que la de intensivis-
ta:paciente alcanza la relación 1:4,5. 
El panorama con respecto a las proyecciones de los 
escenarios “cuarentena flexible” muestra la necesidad 
por parte del Gobierno y de las autoridades sanitarias de 
disponer de recursos suficientes en el corto plazo para 
ampliar las capacidades del sistema sanitario en cuanto 
a la atención en UCI. Al considerar que en nuestros es-
cenarios hicimos la simplificación de considerar que todo 
el stock de camas UCI, así como el 100% del personal 
especializado está dispuesto de manera exclusiva para la 
atención de la contingencia, lo que constituye una clara 
sobreestimación. Solo a comienzos de marzo, la ocupa-
ción de los espacios de UCI era cercano al 80% (22-24), 
lo que es indicativo de la alta preexistencia de condiciones 
epidemiológicas que requieren de una importante utiliza-
ción de estos servicios de salud. 
A futuro se vislumbran algunos escenarios que podrían 
incrementar la demanda de atención e instalaciones es-
pecializadas, ya que para los meses de mayo y junio au-
mentaría el número de personas que requiere atención, 
producto de enfermedades respiratorias habituales (36). 
Además, en los primeros meses del año se registró un 
número atípico de personas con dengue (38). Ambas si-
tuaciones podrían afectar la disponibilidad de camas, la 
incidencia de comorbilidades y la saturación del perso-
nal especializado. Por tanto, una posible coocurrencia de 
brotes de enfermedades hace más imperiosa la necesidad 
de aumentar en el corto plazo la capacidad del sistema 
sanitario. Así mismo, se debe hacer énfasis en el incre-
mento de la tensión sobre el personal de salud en UCI, 
sobre todo en lo que respecta al escenario “cuarentena 
flexible2”. Las autoridades sanitarias cuentan con un plan 
de ampliación de la capacidad de camas UCI instaladas, la 
cual podría incrementarse hasta un límite de 9 826 camas 
(26). Sin embargo, la disponibilidad de condiciones ópti-
mas para el buen desempeño del personal en UCI impone 
restricciones que podrían ser inelásticas. Existen estudios 
que apuntan a la potencial ocurrencia de una sobrecar-
ga del personal de salud especializado en UCI, donde, a 
razones mayores a 1:8 o 1:10 intensivista:paciente y 1:3 
para el personal de enfermería, aumenta la probabilidad 
de ocurrencia de infecciones nosocomiales, paros respi-
ratorios, entre otros eventos que podrían incrementar 
la mortalidad (18-21). Por ello, algunas investigaciones 
sugieren que actualmente no se dispone de todo el perso-
nal especializado para cubrir toda la capacidad instalada 
(18), donde se reporta que la relación paciente:personal 
de enfermería en UCI podría alcanzar razones de 1:6 pa-
cientes: enfermera (20,21). Por todo lo anterior, resulta 
necesario desarrollar planes que permitan que el personal 
UCI cuente con todos los insumos para protegerse de una 
posible infección, ya que experiencias como la italiana o 
la china muestran que alrededor del 20% del personal po-
siblemente contraerá COVID-19 (39).
Es importante que las medidas que adopten las auto-
ridades sanitarias con el propósito de mitigar y contener 
la epidemia sigan nociones similares al principio precau-
torio. En este sentido, es relevante que se consideren de 
manera integral todas las capacidades y límites del siste-
ma sanitario del país. Según nuestros resultados, si bien 
el Gobierno colombiano ha adoptado medidas efectivas 
para disminuir el ritmo de propagación de la enfermedad, 
es importante redoblar esfuerzos en la ampliación del nú-
mero de test que se realizan, para así lograr un sistema 
de detección eficiente que permita identificar los casos 
positivos (y contactos) para poder aislarlos y evitar un 
incremento en la tasa de contagio. Así mismo, se nece-
sita avanzar en el plan contingente de ampliación de la 
capacidad instalada de camas UCI y orientar recursos que 
permitan rápidamente iniciar la fase IV (9 826 camas). Fi-
nalmente, se necesita generar condiciones que garanticen 
la dotación de equipos de protección personal a médicos y 
enfermeros que se encuentren atendiendo la emergencia 
sanitaria a nivel nacional para evitar un incremento adi-
cional en la tensión creciente sobre los radios óptimos de 
atención, e implementar programas que permitan instruir 
rápidamente a los trabajadores del sector salud en los re-
querimientos del área de cuidados intensivos ♠
Agradecimientos: Al Center of Applied Ecology and Sustainabi-
lity (CAPES) por la oportunidad de llevar a cabo esta investiga-
ción y a ANID PIA/BASAL FB0002 por su financiamiento. A los 
médicos, enfermeros, paramédicos, microbiólogos y bacteriólo-
gos que están involucrados en la atención y diagnóstico de los 
pacientes infectados.
REFERENCIAS
1. Zu Z, Jiang M, Xu P, Chen W, Ni Q, Ming G, Zhan L. Coronavirus Di-
sease 2019 (COVID-19): a perspective from China. Radiology. 2020. 
DOI:10.1148/radiol.2020200490.
2. Andersen K, Rambaut A, Lipkin W, Holmes E, Garry R. The proximal 
origin of SARS-CoV-2. Nature Medicine. 2020. DOI:10.1038/S41591-
020-0820-9.
3. Liu Y, Gayle A, Wilder-Smith A, Rocklov J. The reproductive number of 
COVID-19 is higher compared to SARS coronavirus. Journal of Travel 
Medicine. 2020; 27:1-4. DOI: 10.1093/jtm/taaa021.
4. Suganthan N. Covid-19. Jaffna Medical Journal. 2019; 31:1-8. DOI: 
10.4038/jmj.v31i2.72.
5. ECDC. Situation update worldwide, as of 30 March 2020 [Internet]. 
2020 [cited 2020 April 23]. Available from: https://bit.ly/2zxdHlE.
6. Wang M, Jiang A, Gong L; Luo L; Guo W, Li C, Zheng J, Li C, Yang B, 
Zeng J, Chen Y, Zheng K, Li H. Temperature significant change COVID-19 
CORREA - TENSIONES SOBRE EL SISTEMA SANITARIO POR SARS-COV.2/COVID-19 EN COLOMBIA
177
Transmission in 429 cities. Preprint server for health science medRvxiv. 
2020 [cited 2020 April 23]. Available from: https://bit.ly/2WSJEwB.
7. WHO. Coronavirus disease 2019 (COVID-19) Situation Report – 65 [In-
ternet]. 2020 [cited 2020 April 23]. Available from: https://bit.ly/3auTavA.
8. Remuzzi A, Remuzzi G. COVID-19 and Italy: what next? Health Policy. 
2020. DOI:10.1016/S0140-6736(20)30627-9.
9. Kucharski A, Russell T, Diamond C, Liu Y, Edmunds J, Funk S, Eggo 
R. Early dynamics of transmission and control of COVID-19: a ma-
thematical modellingstudy. Infectious Diseases. 2020. DOI:10.1016/
S1473-3099(20)30144-4.
10. Fanelli D, Piazza F. Analysis and forecast of COVID-19 spreading 
in China, Italy and France. Chaos, Solutions & Fractals. 2020;134. 
DOI:10.1016/j.chaos.2020.109761.
11. Rosenbaum L. Facing Covid-19 in Italy — Ethics, Logistics, and The-
rapeutics on the Epidemic’s Front Line. The New England Journal of 
Medicine. 2020. DOI:10.1056/NEJMp2005492.
12. Ranney M, Griffeth V, Jha A. Critical Supply Shortages — The Need 
for Ventilators and Personal Protective Equipment during the Covid-19 
Pandemic The New England Journal of Medicine. 2020. DOI:10.1056/
NEJMp2006141.
13. Giannakeas V, Bhatia D, Warkentin M, Bogoch I, Stall N. Estimating the 
maximun daily number of incident COVID-19 cases manageable by a 
healthcare system. Preprint server for health science medRvxiv. 2020 
[cited 2020 April 23]. Available from: https://bit.ly/2zDb95e.
14. Gonzalez R, Muñoz F, Moya P, Kiwi M. Is a COVID19 Quarantine Justi-
fied in Chile or USA Right Now? 2020 [cited 2020 April 23]. Preprint ser-
ver for health science medRvxiv. Available from: https://bit.ly/2Z2eF3O.
15. Graselli G, Pesenti A, Cecconi M. Critical Care Utilization for the 
COVID-19 Outbreak in Lombardy, JAMA. 2020; 323(16):1545-46. 
DOI:10.1001/jama.2020.4031.
16. Xie J, Tong Z, Guan X, Du B, Qiul H, Slutsky A. Critical care crisis 
and some recommendations during the COVID-19 epidemic in China. 
Intensive Care Med. 2020. DOI:10.1007/s00134-020-05979-7.
17. Wu Z, McGoogan J. Characteristics of and Important Lessons from 
the Coronavirus Disease 2019 (COVID-19) Outbreak in China. JAMA. 
2020; 323(13):1239-42. DOI:10.1001/jama.2020.2648. 
18. Pérez N, Rodríguez E. Talento humano en unidades de cuidado intensi-
vo: adaptación de un modelo de estándares para Colombia basado en 
la evidencia científica. Acta Colomb Cuid Intensivo.2015. 15(2):80-102.
19. Segura O. Agotamiento profesional: hacia una epidemiología social 
de la unidad de cuidado intensivo. Rev. Fac. Med. 2016; 64(4):721-5. 
DOI:10.15446/revfacmed.v64n4.55019.
20. Caicedo L, Cristina J, Abril M, Gustavo F. Pacientes por enfermera-au-
xiliar y presencia de eventos adversos en unidades de cuidados inten-
sivos de Ibague-Colombia. Enfermería Global. 2013 [cited 2020 Jul 
14];32:238-49. Available from: https://bit.ly/3ewUDTf.
21. Achury D, Achury L, Díaz J, Rodríguez S, Alvarado H, Ortiz C, García 
P, Acosta S. Panorama general de la relación enfermera-paciente en 
algunas unidades de cuidado intensivo en Bogotá. Investig Enferm. 
Imagen Desarr. 2014 [cited 2020 April 23];16(1):73-85. Available from: 
https://bit.ly/2Cdp1or. 
22. OECD. Health at a Glance 2019: OECD Indicators [Internet]. Paris: 
OECD Publishing. 2019 [cited 2020 April 23]. Available from: https://bit.
ly/2C5iwnU.
23. Asociación Latinoamericana del Tórax (ALAT). COVID-19: entrevista 
de la BBC al Presidente ALAT, Dr. Gustavo Zabert [Internet]. ALAT; 
2020 [cited 2020 April 23]. Available from: https://bit.ly/2OmIKVg.
24. Asociación Colombiana de Medicina Crítica y Cuidados Intensivos. 
AMCI frente la epidemia del Covid-19: Documento técnico [Internet]. 
Bogotá: AMCI; 2020 [cited 2020 April 23]. Available from: https://bit.
ly/3fM9Rpq. 
25. Ministerio de Salud y Protección Social. 1510 ventiladores más para 
enfrentar la COVID-19. Boletín 103 [Internet]. 2020 [cited 2020 April 
23]. Available from: https://bit.ly/2OpuPhp.
26. Ministerio de Salud y Protección Social. Expansión hospitalaria, una 
estrategia para atención de la covid-19. Boletín 123 [Internet]. 2020 
[cited 2020 April 23]. Available from: https://bit.ly/3fOiLTl.
27. Manrique-Abril F, Agudelo-Calderon CA, González-Chordá V, Gutié-
rrez-Lesmes O, Téllez-Piñerez C, Herrera-Amaya G. Modelo SIR de la 
pandemia de Covid-19 en Colombia. Rev. Salud Pública (Bogotá). 2020 
[cited 2020 April 23]; 22:1-9. Available from: https://bit.ly/3h3HjHN.
28. Ministerio de Salud y Protección Social. “Serán 19 días muy impor-
tantes para frenar la incidencia de la COVID-19” [Internet]. Boletín 89. 
2020 [cited 2020 April 23]. Available from: https://bit.ly/2zxqq7V.
29. Presidencia de la República de Colombia. Presidente Duque le anun-
cia al país que el Aislamiento Preventivo Obligatorio se mantiene hasta 
el próximo 27 de abril. [Cited 2020 Apr 6]. Available from: https://bit.
ly/3dAGdS2.
30. Chen J, Desvars-Larrive A, Klimek P, Flores E, García D, et al. 
Analyzing Covid-19 Data with SIRD Models. medRxiv. 2020 [cited 2020 
April 23 ]. Available from: https://bit.ly/2C5lBEu.
31. R Development Core Team. R: a language and environment for statis-
tical computing. -R Foundation for Statistical Computing Vienna. 2004.
32. Turchin P. Complex population dynamics. Nueva Yersey: Princeton 
University Press; 2003.
33. CEPAL. América Latina y el Caribe ante la pandemia del COVID-19. 
Informe Especial Boletín Nº 1 [Internet]. 2020 [cited 2020 April 23]. 
Available from: https://bit.ly/2Wt5wQ3.
34. González-Jaramillo V, González-Jaramillo N, Gómez-Restrepo C, Pa-
lacio-Acosta C, Gómez-López A, Franco O. Proyecciones de impacto 
de la pandemia COVID-19 en la población colombiana, según medidas 
de mitigación. Datos preliminares de modelos epidemiológicos para el 
período del 18 de marzo al 18 de abril de 2020 [cited 2020 April 23]. 
Rev. Salud Pública (Bogotá) 2020; 22:1-6. Available from: https://bit.
ly/3ev1M6y.
35. Otoya-Tono A, García M, Jaramillo-Moncayo C, Wills C, Campos A. 
COVID-19: generalidades, comportamiento epidemiológico y medi-
das adoptadas en medio de la pandemia en Colombia. Acta Otorrino-
laringol. Cir. Cabeza Cuello. 2020; 48(1) 4-13. DOI: 10.37076/acorl.
v48i1.519.
36. Amariles P, Granados J, Ceballos M; Montoya C. COVID-19 in Co-
lombia endpoints. Are we different, like Europe? Research in Social 
and Administrative Pharmacy. 2020; DOI:10.1016/j.sapharm.2020.03.
013Get.
37. De Castro C. SIR Model for COVID-19 calibrated with existing data and 
projected for Colombia. Quantitive Biology 2020 [cited 2020 April 23]. 
Populations and Evolution. Available from: https://bit.ly/3ewov2b.
38. Instituto Nacional de Salud. Qué debe saber del Dengue [Internet]. 
Semana epidemiológica 9. 2020 [cited 2020 April 23]. Available from: 
https://bit.ly/32idgb2.
39. La Cruz-Vargas J. Protegiendo al personal de la salud en la Pandemia 
COVID-19. Rev. Fac. Med. Hum. Abril 2020; 20(2):7-9. DOI:10.25176/
RFMH.v20i2.2913.